CN107703452B - 铅酸电池应用寿命预测系统 - Google Patents
铅酸电池应用寿命预测系统 Download PDFInfo
- Publication number
- CN107703452B CN107703452B CN201611091818.4A CN201611091818A CN107703452B CN 107703452 B CN107703452 B CN 107703452B CN 201611091818 A CN201611091818 A CN 201611091818A CN 107703452 B CN107703452 B CN 107703452B
- Authority
- CN
- China
- Prior art keywords
- battery
- failure
- lead
- coefficient
- function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 239000002253 acid Substances 0.000 title claims abstract description 43
- 208000032953 Device battery issue Diseases 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000012821 model calculation Methods 0.000 claims abstract description 3
- 238000003860 storage Methods 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 238000004073 vulcanization Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 3
- 239000013543 active substance Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000007599 discharging Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002427 irreversible effect Effects 0.000 description 2
- 238000012843 least square support vector machine Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000011505 plaster Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
Description
技术领域
本发明涉及一种铅酸蓄电池应用动态寿命检测系统及系统。涉及专利分类号,G01测量;测试G01R测量电变量;测量磁变量;G01R31/00电性能的测试装置;电故障的探测装置;以所进行的测试在其他位置未提供为特征的电测试装置;G01R31/36用于测试蓄电池或电池的电气状况的仪器,如用于测试寿命或充电状态的仪器。
背景技术
目前各类铅酸蓄电池广泛运用于生活与生产当中,已经成为当今社会必不可少的一部分。在使用蓄电池的过程中常常需要了解蓄电池的实际应用寿命,因此需要对蓄电池能够进行简单应用寿命预测的装置,在实际环境下,对蓄电池活性参数进行周期内的采集处理,预测剩余应用寿命寿命。
传统对应用铅酸电池的监测,只能使用测量仪器对其电压、电流、内阻、温度及容量的测试,不能通过实时监测参数,预测电池在该使用环境下剩余运行周期寿命。运行的铅酸电池只有出现事故时,才能替换,或者是盲目的更换,是被动的替换电池换电池,对生活和生产带来安全隐患。若依据蓄电池失效机理能够初步的预测实际环境下运行寿命,有计划有针对的处置备用铅酸电池,将对经济、社会和节约资源都具有重大意义。
发明内容
本发明针对以上问题的提出,而研制的一种铅酸电池应用寿命预测系统,包括,参数获取单元、运算单元和输出单元;
参数获取单元,该单元获取铅酸电池在不同环境下,工作工程中待预测电池放出电量值、环境温度和剩余容量;
所述的计算单元包括:
失效平均速率模型计算模块,由所述的衰减比计算得出待预测铅酸电池实际应用的失效系数,进而建立带有失效系数的电池的失效平均速率模型:
其中,K(xi,xj)为核函数为指数函数的反函数,采用内部运算,求解回归预测函数,将实验数值带入上式得到多个待检测的电池对应的a、b值;
将误差优化后的a、b值带入电池剩余寿命预测模型:
得到f(t)=(0.798+lnΔc).t2+ΔT93.7
其中,其中t代表蓄电池运行的周期,总体趋势是下降的,将实验数值带入上述求解检测周期的数量,进行反函数求解,得到电池运行寿命;
由所述的输出单元输出寿命预测结果。
所述的电池失效速率是电池运行周期内电池失效系数下降的速度;采用钟形函数y=ax2+b,其中a值是变化的,Y代表电池剩余寿命周期;由于a是变化的参数不是固定值,对a采取向量机函数进行求解,同时对整体钟形函数求导数即可得一个周期内的失效速率。
作为优选的实施方式,所述的失效系数计算根据如下公式计算得到第i点失效系数βmi;
其中,C实际放出容量,环境T温度;T1i是第一次放电温度,计算得出第m次放电失效系数为:
β=(βm1+βm2+…+βmN)/N
N是单体电池放电曲线所取标准点的数量。
作为优选的实施方式,所述的步骤进而建立带有失效系数的电池的失效平均速率模型过程如下:
—利用钟形函数和向量机综合优化处置试验数据,优化系统是:电池失效速率是电池运行周期内电池失效系数下降的速度;
模型为钟形函数y=ax2+b(其中a值是变化的),Y代表电池剩余寿命周期,由于a是变化的参数不是固定值,对a采取向量机函数进行求解,同时对整体钟形函数求导数可得,一个周期内的失效速率;
—建立不同使用环境下的蓄电池实际应用寿命预测模型包含:电池供电频率、负载电流大小、供电电流平稳度和机房环境温度;
—基于电池失效速率和活性硫化模型应改为基于电池硫化机理计算电池失效速率,建立的预测寿命模型表达式为:
其中Δβ为失效系数变化,ΔT系数变化的周期,
更进一步的,在不考虑电池活性物及设计材料等物理固有因素的条件下,影响电池活性下降因素的关系,供电时间、电流、温度及容量关系如下表达式:
I10标准电流;t标准时间;KT温度修正系数;Ki=It/I10电流修正系数;其中t实时时间周期;当公式中Tt大于10时,设I10.t10为C10,It.tt为Ct,由于实际机房使用环境因素,将自学习电池荷电状态等同于初始量,则应用寿命与电池剩余容量和温度的关系表达式为。
由于采用了上述技术方案,本发明公开的电池组寿命检测系统,能够根据电池的历史放电状态不断优化电池放电函数,最终作为评价当前电池寿命的系统,即可远程完成电池寿命的检测,具有精度高,操作简便等现有算法不具备的优点。
附图说明
为了更清楚的说明本发明的实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的失效平均速率模型图
图2为本发明实施例的计算结果对比示意图
图3为本发明的系统模块图
具体实施方式
为使本发明的实施例的目的、技术方案和优点更加清楚,下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚完整的描述:
实施例,如图1-图3所示,在本实施例中假设1铅酸电池运行性能除去物理损伤因素的影响;假设2铅酸电池在运行放电结束后能够及时进行充电,以免受硫化影响;选取400AH二类阀控式铅酸电池单体做为研究样本。
步骤一:分析影响铅酸电池运行性能下降的因素,性能下降与各运行参数变化的关系,确定影响铅酸电池性能下降的参数;
铅酸电池在实际运行中的性能参数随着使用时间而产生变化,引起电池活性下降的原因有制造工艺和设计的客观因素,
例如电池制造过程中
极板活性物清洁程度、
铅膏的质量、
板栅材料的强度、
隔离材料、
壳体材质、
介质以及氢氧化合的效率等。
铅酸电池在应用过程中性能下降是指运行中的电池额定容量的变化机理,上升或下降,但总的趋势是不可逆的。
影响铅酸电池使用容量下降的原因有:
1、铅酸电池实际运行中的环境温度,正常工作温度是25℃,低于零下电池活性下降,高于35℃电池物理损伤严重;
2、铅酸电池充放电过程中电流的大小,电流过大,降低电池极板活性物反应效率,造成容量不足电池失效;
3、铅酸电池放电过程中放电的深度,深度放电造成电池极板活性物不可逆硫化,加速电池失效;
这里电池应用寿命的预测是指电池在不同应用环境使用的条件下,随着使用时间的增加,每次放出的容量逐步衰减,计算电池容量衰减比,得到铅酸电池的失效系数,该系数作为电池应用寿命预测中的重要参数和依据。
步骤二:设计加速铅酸蓄电池应用寿命试验,定期采取与容量衰减比相关参考点不同参数得试验数据;
为加速寿命试验,采用二类阀控式铅酸电池作为研究样本,标称容量为400AH,工作温度为25℃,工作充放电电流为C10,电池额定容量放电截止电压为1.800V。
试验条件按照实际使用中进行,二类铅酸电池为三类市电通信机房设备供电,实际使用环境为每月供电4次,每次提供实际容量的80%,截止电压为1.800V。即每月进行放电测试并记录数据,试验电流为30A。选同组使用深度活性不同的4只单体,采集频率为每月,记录5次数据,试验数据如表1。
表1铅酸电池运行寿命试验原始数据
步骤三:计算铅酸电池实际应用失效系数,建立失效平均速率模型。
蓄电池在实际条件下使用寿命的终止,即是该蓄电池剩余额定容量低于固定的数值,不同时期内使用容量的下降与电流、温度以及深度有紧密的联系,但铅酸电池的失效平均速率的在同一环境不同时期内接近相同,因此搭建蓄电池失效平均速率模型对预测电池实际应用寿命是重要的前提。
根据如下公式计算得到第i点失效系数βmi;
其中,C实际放出容量,环境T温度;T1i是第一次放电温度。计算得出第m次放电失效系数为β=(βm1+βm2+…+βmN)/N (2)
依据以上公式计算出蓄电池的失效平均速率模型如图一所示,N为电池放电曲线所取标准点的数量。
步骤四:依据计算电池失效速率条件下,利用钟形函数和向量机综合优化处置试验数据。
优化系统是:电池失效速率是电池运行周期内电池失效系数下降的速度。
模型为钟形函数y=ax2+b(其中a值是变化的),Y代表电池剩余寿命周期,由于a是变化的参数不是固定值,对a采取向量机函数进行求解,同时对整体钟形函数求导数可得,一个周期内的失效速率。
建立不同使用环境下的蓄电池实际应用寿命预测模型;主要包括电池供电频率、负载电流大小、供电电流平稳度、机房环境温度。
基于电池硫化机理计算电池失效速率,建立的预测寿命模型表达式为:
答:电池失效速率与失效系数转换关系为:
其中Δβ为失效系数变化,ΔT系数变化的周期,
在不考虑电池活性物及设计材料等物理固有因素的条件下,影响电池活性下降因素的关系,供电时间、电流、温度及容量关系如下表达式:
I10标准电流;t标准时间;KT温度修正系数;Ki=It/I10电流修正系数;
t实时时间周期
当公式中Tt大于10时,设I10.t10为C10,It.tt为Ct,由于实际机房使用环境因素,空调调整不可能为负值,若温度为零下电池活性受限,表现特别差,所以将自学习电池荷电状态等同于初始量,则应用寿命与电池剩余容量和温度的关系表达式为:
当电池失效系数为常数时,根据结构风险最小化原则,依据最小二乘向量机理论:
优化的核心为电池失效速率ω;
其中:ξ为误差变量,|ω|2控制模型复杂度,C为惩罚因子为常数,b为偏差,xi电池荷电状态衰减变量。
所述的最小二乘支持向量机模型转换的Lagrange函数表示:
其中αi(i=1,2,...,l)为拉格朗日乘子;
—由优化条件,即拉格朗日函数分别对四个变量ω,b,ξ,a求偏导,得出:
可得:
其中,α=(α1,α2,…,αl)T,y=(y1,y2,…,yl)T。
由最小二乘法计算b和a,得到LS-SVM决策函数为:
由于K(xi,xj)为核函数为指数函数的反函数,采用内部运算,求解回归预测函数。
将试验数值代入向量机公式可取得如下表2数值:
电池编号 | a值 | b值 |
#1 | 0.975 | 95.2 |
#2 | 0.971 | 96.1 |
#3 | 0.982 | 95.5 |
#4 | 0.953 | 87.8 |
根据表2所得数据进行误差优化代入寿命预测数学模型公式8中:
f(t)=(0.798+lnΔc).t2+ΔT93.7 (17)
其中t代表蓄电池运行的周期,由于运行的电池寿命是动态变化的,但总体趋势是下降的,将实验条件数值代入公式17中求检测周期的数量,进行反函数求解得:
电池编号 | 运行寿命(周期) |
#1 | 24.5 |
#2 | 24 |
#3 | 25 |
#4 | 23.5 |
电池剩余运行寿命的预测,是依据电池在上一个检测周期内,依据电池寿命模型公式,计算电池失效速率,预测剩余应用周期数。
预测结果误差的计算
任何系统预测得到的结果都会与实际的值有一定差距,蓄电池的预测寿命与它的实际寿命之间的差距就是预测误差。预测误差应该反应出预测结果的准确性,误差值与准确性的高低成反比关系。当然对预测误差的计算有很多不同的指标,下面给出一个指标用以对本文预测的误差进行评价:相对误差Relative Percentage Error,RPE
其中,Qi是实际的测量值,fi是预测值。
预测结果及误差
将上述预测值和实测值用图示直观表达如下图2所示,从图中可以看出,使用最小二乘支持向量机原理得出的预测值和实验得出的实测值具有很高的一致性。通过公式计算适应度函数为:
根据以上计算结果可知,模型的预测结果和实测结果的误差均不超过10%,而且适应度的计算结果为0.0865,也表明最小二乘支持向量机在电池寿命预测的应用中能得出非常准确的结果。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种铅酸电池应用寿命预测系统,其特征在于包括,参数获取单元、运算单元和输出单元;
参数获取单元,该单元获取铅酸电池在不同环境下,工作工程中待预测电池放出电量值、环境温度和剩余容量;
所述的运算单元包括:
失效平均速率模型计算模块,由衰减比计算得出待预测铅酸电池实际应用的失效系数,进而建立带有失效系数的电池的失效平均速率模型:
其中,K(x,xi)为核函数为指数函数的反函数,采用内部运算,求解回归预测函数,将实验数值带入上式得到多个待检测的电池对应的a、b值;
将误差优化后的a、b值带入电池剩余寿命预测模型:
得到f(t)=(0.798+lnΔc)*t2+ΔT*93.7
其中,t代表蓄电池运行的周期,总体趋势是下降的,将实验数值带入上述求解检测周期,进行反函数求解,得到电池运行寿命;由所述的输出单元输出寿命预测结果。
2.根据权利要求1所述的铅酸电池应用寿命预测系统,其特征还在于所述的电池失效速率是电池运行周期内电池失效系数下降的速度;采用钟形函数y=ax2+b,其中a值是变化的,y代表电池剩余寿命周期;由于a是变化的参数不是固定值,对a采取向量机函数进行求解,同时对整体钟形函数求导数即可得一个周期内的失效速率。
4.根据权利要求1所述的铅酸电池应用寿命预测系统,其特征还在于进而建立带有失效系数的电池的失效平均速率模型过程如下:
利用钟形函数和向量机综合优化处置试验数据,优化系统是:电池失效速率是电池运行周期内电池失效系数下降的速度;
模型为钟形函数y=ax2+b,其中a值是变化的,Y代表电池剩余寿命周期,由于a是变化的参数不是固定值,对a采取向量机函数进行求解,同时对整体钟形函数求导数可得,一个周期内的失效速率;
建立不同使用环境下的蓄电池实际应用寿命预测模型包含:电池供电频率、负载电流大小、供电电流平稳度和机房环境温度;
基于电池失效速率和活性硫化模型应改为基于电池硫化机理计算电池失效速率,建立的预测寿命模型表达式为:
其中Δβ为失效系数变化,ΔT为系数变化的周期,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611091818.4A CN107703452B (zh) | 2016-12-01 | 2016-12-01 | 铅酸电池应用寿命预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611091818.4A CN107703452B (zh) | 2016-12-01 | 2016-12-01 | 铅酸电池应用寿命预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107703452A CN107703452A (zh) | 2018-02-16 |
CN107703452B true CN107703452B (zh) | 2020-08-25 |
Family
ID=61169073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611091818.4A Expired - Fee Related CN107703452B (zh) | 2016-12-01 | 2016-12-01 | 铅酸电池应用寿命预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107703452B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111276718B (zh) * | 2019-11-27 | 2021-10-29 | 肇庆理士电源技术有限公司 | 基于电化学原理的辅助铅酸电池设计与检验的模拟方法 |
CN113406500B (zh) * | 2021-06-29 | 2022-06-14 | 同济大学 | 一种动力锂电池的剩余电量估计方法 |
CN115389965B (zh) * | 2022-10-27 | 2023-03-24 | 中安芯界控股集团有限公司 | 一种基于大数据的电池安全性能测试系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03200082A (ja) * | 1989-12-28 | 1991-09-02 | Toyota Central Res & Dev Lab Inc | 鉛―酸電池の残存容量検出方法 |
US5703486A (en) * | 1994-08-25 | 1997-12-30 | Yazaki Corporation | Battery remaining capacity measuring device |
CN103336877A (zh) * | 2013-07-25 | 2013-10-02 | 哈尔滨工业大学 | 一种基于rvm动态可重构的卫星锂离子电池剩余寿命预测系统及方法 |
CN104316879A (zh) * | 2014-10-13 | 2015-01-28 | 珠海许继电气有限公司 | 一种铅酸蓄电池组寿命的预测方法 |
CN105808914A (zh) * | 2014-12-31 | 2016-07-27 | 北京航天测控技术有限公司 | 一种卫星锂离子电池寿命的预测方法及装置 |
CN106093782A (zh) * | 2016-06-03 | 2016-11-09 | 哈尔滨工业大学 | 动态建模的最小二乘支持向量机soc估计方法 |
-
2016
- 2016-12-01 CN CN201611091818.4A patent/CN107703452B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03200082A (ja) * | 1989-12-28 | 1991-09-02 | Toyota Central Res & Dev Lab Inc | 鉛―酸電池の残存容量検出方法 |
US5703486A (en) * | 1994-08-25 | 1997-12-30 | Yazaki Corporation | Battery remaining capacity measuring device |
CN103336877A (zh) * | 2013-07-25 | 2013-10-02 | 哈尔滨工业大学 | 一种基于rvm动态可重构的卫星锂离子电池剩余寿命预测系统及方法 |
CN104316879A (zh) * | 2014-10-13 | 2015-01-28 | 珠海许继电气有限公司 | 一种铅酸蓄电池组寿命的预测方法 |
CN105808914A (zh) * | 2014-12-31 | 2016-07-27 | 北京航天测控技术有限公司 | 一种卫星锂离子电池寿命的预测方法及装置 |
CN106093782A (zh) * | 2016-06-03 | 2016-11-09 | 哈尔滨工业大学 | 动态建模的最小二乘支持向量机soc估计方法 |
Non-Patent Citations (2)
Title |
---|
Investigation of cycle life of li-ion power battery pack based on LV-SVM;Liang Chu et.al;《2011 International Conference on Mechatronic Science, Electric Engineering and Computer》;20110923;第1063-1066、1071页 * |
最小二乘支持向量机的算法研究;顾燕萍 等;《清华大学学报(自然科学版)》;20101231;第50卷(第7期);第1602-1605页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107703452A (zh) | 2018-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106646252B (zh) | 铅酸电池应用寿命预测方法 | |
CN109856559B (zh) | 一种锂电池循环寿命的预测方法 | |
US9841464B2 (en) | Life prediction apparatus for electrical storage device and life prediction method for electrical storage device | |
US9417289B2 (en) | Method and apparatus for collecting voltage differential parameters of individual battery cells in battery pack | |
CN107367699A (zh) | 一种基于分数阶模型的锂电池soc估算新方法 | |
CN107703452B (zh) | 铅酸电池应用寿命预测系统 | |
CN111366864B (zh) | 一种基于固定压升区间的电池soh在线估计方法 | |
CN108732499B (zh) | 一种检测锂离子电池循环寿命的方法和系统 | |
CN111460656B (zh) | 一种电力机房通信电源运行寿命评估方法和系统 | |
Wang et al. | Lithium-ion battery security guaranteeing method study based on the state of charge estimation | |
CN118226310A (zh) | 一种铅酸电池健康状态在线检测方法及系统 | |
TWI527337B (zh) | The method of determining the charging current of multi - stage lithium battery using Taguchi orthogonal table and fuzzy algorithm | |
CN106599333A (zh) | 一种电源soh的估算方法 | |
CN116577686A (zh) | 一种基于局部阶段充电数据的多工况soh估计方法和系统 | |
CN114035052B (zh) | 一种基于能量窗的soc区间标定方法、系统及介质 | |
CN116148670A (zh) | 一种电化学储能电站电池寿命估算方法及装置 | |
CN115951225A (zh) | 一种电池均衡优化容量估计方法和装置 | |
Zhang et al. | PSO-LSSVM-based online SOC estimation for simulation substation battery | |
Hou et al. | An online calibration algorithm of SOC for LiFePO4 battery by using characteristic curve | |
CN112305428A (zh) | 一种锂离子电池机械响应与电化学行为同时测量方法 | |
CN104991201A (zh) | 锂离子电池单体一致性评测系统与方法 | |
CN113341331B (zh) | 一种复合电源工作寿命的预测方法以及装置 | |
CN115308609B (zh) | 一种锂离子电池厚度的预测方法、预测装置和锂离子电池 | |
Dongsheng et al. | EV battery SOH diagnosis method based on discrete Fréchet distance | |
CN117709126B (zh) | 预测电池性能的方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200825 Termination date: 20201201 |